【数坊人群计算 v1.0】单一逻辑实现自动人群计算

前言

从前数坊很慢，等待很久，一天只能取一批数，现在数坊新增了人群计算功能，每天取数取到手软，神说要自动化，因此就有了人群计算工具1.0

数坊人群计算逻辑拆解

运行人群计算会提交一个名为“predictAudienceSize”的请求

点进去就可以看到是使用POST的方式请求人群计算API（https://4a.jd.com/datamill/api/audienceManagement/predictAudienceSize），请求头需声明内容类型，设置用户代理，添加账号cookie，上传人群逻辑即可返回人群大小

模拟请求验证猜想

成功得到人群大小

定制人群逻辑表格

当前版本仅支持一个卡片逻辑的人群计算

举例数据，请勿当真

cardTitle	固定维度	品牌	类目	startDate	endDate	频次	价格	人群大小
浏览行为	类目	-	手机通讯 > 手机 > 手机	2021/11/1	2021/11/30	-	-
浏览行为	类目	-	手机通讯 > 手机 > 手机	2021/11/1	2021/11/30	10-500	-
购买行为	类目	-	手机通讯 > 手机 > 手机	2021/11/1	2021/11/30	-	1000-2000
购买行为	品牌+类目	京东	礼品> 礼品 > PLUS会员	2021/11/1	2021/11/30	-	1000-2000
购买行为	品牌	京东	-	2021/11/1	2021/11/30	-	1000-2000

实现自动人群计算

读取表格文件

cards = pd.read_excel(r'C:\Users\41809\Desktop\test1.xlsx').to_dict('records')

创建数坊规则匹配字典

每种行为分别有对应的code值，行为不多，手抄下就行了

JD_dict = {
   
    '浏览行为' : {
   
        'cardType' : "view",
        'title' : "浏览行为",
        'code' : "300658",
        'categoryPath' : "用户行为>核心行为>浏览行为",
        'key' : "view"
    },
        '购买行为' : {
   
            'cardType' : "order",
            'title' : "购买行为",
            'code' : "300662",
            'categoryPath' : "用户行为>核心行为>购买行为",
            'key' : "order"
        }
}

判断是否需要使用频次&价格段

因为有价格和不限价格上传信息结构不同，需要判断是否有使用频次或价格段

if card['价格'] == '-':
            price = {
   "operator": "nolimit"}
        else:
            price = {
   
                "operator": "between",
                "value": re.sub('-', ',', card['价格'])
            }

 if card['频次'] == '-':
            frequency = {
   "operator": "nolimit"}
        else:
            frequency = {
   
                "operator": "between",
                "value": re.sub('-', ',', card['频次'])
            }

整个人群计算需要上传的完整信息

品牌/品牌+类目/类目的上传结构同样略有差异，后续仍需要根据card[“固定维度”]判断进行选择

body = {
   
            "audienceDefinition": {
   
                "type": "intersection",
                "children": [
                    {
   
                        "cardType": self.JD_dict[card["cardTitle"]]['cardType'],
                        "categoryPath": self.JD_dict[card["cardTitle"]]['categoryPath'],
                        "cardTitle": card["cardTitle"],
                        "cardCode": self.JD_dict[card["cardTitle"]]['code'],
                        "type": "behaviorV2",
                        "key": self.JD_dict[card["cardTitle"]]['key'],
                        "screen": "all",
                        "dimension"